Ejemplos de clientes Python para la evaluación de modelos
Revise y utilice cuadernos Jupyter de muestra que utilicen la biblioteca de clientes Python para evaluaciones de modelos con el fin de demostrar características y tareas.
Cuando utilices un cuaderno de ejemplo para demostrar funciones y tareas con el clientePython, debes sentirte cómodo codificando en un Jupyter Notebook. Un cuaderno de Jupyter es un entorno basado en web para los cálculos interactivos. Puede ejecutar pequeños fragmentos de código que procesen sus datos y, a continuación, ver inmediatamente los resultados de su cálculo. Con los cuadernos Jupyter de muestra, puede completar tutoriales para demostrar tareas como la creación, la formación y el despliegue de modelos y la configuración de evaluaciones de modelos.
Cuadernos de ejemplo
Visualice o ejecute los siguientes cuadernos de Jupyter para aprender a completar distintas tareas:
| Nombre de la muestra | Tareas demostradas |
|---|---|
| Trabajar con Watson Machine Learning | Entrene, cree y despliegue un modelo de riesgo de crédito alemán, configure las evaluaciones del modelo para supervisar ese despliegue e inyecte registros históricos y mediciones de siete días para su visualización en el panel Insights. |
| Trabajar con SPSS Collaboration and Deployment Services | Carga útil de registro para un modelo que se despliega en un motor de servicio de modelo personalizado. |
| Procesamiento por lotes: Apache Spark en Cloud Pak for Data con IBM Analytics Engine | Habilite la supervisión de la calidad y la deriva y ejecute evaluaciones a petición con IBM Analytics Engine |
| Procesamiento por lotes: Spark remoto | Habilite la supervisión de calidad y desviación y ejecute evaluaciones bajo demanda con Remote Spark |
| OpenScale Gobierno del riesgo de modelo con OpenPages Integración en IBM Cloud Pak for Data | Integre sus evaluaciones de modelos con IBM OpenPages y establezca una solución integral de gestión de riesgos. |
| OpenScale Gestión de riesgos de modelo en IBM Cloud Pak for Data | Establecer una solución modelo de gestión de riesgos. |
| Sesgo indirecto y debiasing activo en IBM Cloud Pak for Data | Configure evaluaciones de equidad para determinar el sesgo indirecto. |
| Métricas de robustez adversarial para modelos de imagen | Utilice el Adversarial Robustness Toolkit (ART) para evaluar la robustez de los modelos de imagen. |
| Evaluación de plantillas de solicitud para tareas RAG con watsonx.governance | Cree un activo de plantilla de solicitud para la tarea RAG y configure evaluaciones en proyectos y espacios de watsonx.governance . |
| Design time notebook for Multi Lingual support of Generative AI Métricas de calidad para IBM WatsonX.governance | Demostrar los resultados de la evaluación de plantillas de calidad de IA generativa en japonés. |
| Cálculo de métricas de recuperación y calidad de respuesta utilizando LLM como juez en IBM watsonx.governance para la tarea RAG | Calcular las métricas RAG y de calidad de respuesta para generar respuestas para las tareas RAG. |
Próximos pasos
- Para obtener más información sobre cómo utilizar los editores de cuadernos, consulte Cuadernos.
- Para obtener más información sobre cómo trabajar con cuadernos, consulte Codificación y ejecución de cuadernos.
- Para obtener más información sobre la autenticación en un cuaderno, consulte Autenticación.